基于图启发式方法在移动车辆集群上放置分布式视频处理应用

车载雾计算（VFC）被设想为云和移动边缘计算的扩展，以利用车辆中丰富的感知与处理资源。我们关注在城市交通拥堵中停留较长时间的慢速行驶汽车，将其作为车载传感器、摄像机和处理能力的潜在资源池。为利用动态网络与处理资源，我们采用随机移动模型来选择具有相似移动模式的节点。然后我们设计两种分布式应用，其实时扩展并作为多个实例放置在所选车载雾节点上。我们通过以下方式应对不稳定的车载环境：a) 使用真实车辆密度数据构建现实移动模型，以辅助服务部署的节点选择；b) 使用社区检测算法，基于车辆的预测移动行为选择鲁棒的车载集群。所选集群的稳定性通过图中心性度量进行验证；以及 c) 开发基于图的放置启发式方法，基于多目标约束优化问题寻找服务图的最优放置，目标为高效资源利用。该启发式解决了一个重要问题，即处理分布式设备生成的数据，通过平衡增加服务实例数量（以获得足够的处理实例冗余，从而在节点或链路故障时提高服务弹性）与减少其数量（以最小化资源使用）之间的权衡。我们将启发式与整数线性规划解和首次适配启发式进行比较。我们的方法在资源利用和/或服务延迟方面优于这些可比方案，而服务延迟是安全相关应用的关键要求。